Unir archivos de texto: cómo hacerlo sin romper la codificación

PublicadoHerramientaFusionador de Archivos de Texto

Contenido
  1. Los problemas de unir varios archivos de texto a mano
  2. Cómo se combinan los archivos de texto en uno solo
  3. Por qué se dañan los caracteres coreanos: UTF-8 y EUC-KR
  4. Opciones reales de fusión: separador, encabezado de archivo y limpieza de espacios
  5. Puntos donde sueles atascarte
  6. Resumen
  7. Preguntas frecuentes

Cuando tienes que unir un manuscrito de novela dividido en varios archivos, un registro de desarrollo separado por fechas o fragmentos de un CSV, abrir cada archivo para copiar y pegar resulta engorroso y, además, suele acabar en errores de orden.

Y si los archivos originales están guardados en una codificación coreana antigua como EUC-KR, los caracteres seguirán viéndose dañados incluso después de unirlos. En este artículo repasamos cómo combinar archivos de texto de forma segura y qué problemas de codificación conviene revisar antes de hacerlo.

Los problemas de unir varios archivos de texto a mano

A partir de 3 o 4 archivos, solo ordenarlos, insertar un separador entre ellos (una línea en blanco o una línea divisoria) y dejar anotado en algún sitio el nombre de cada archivo ya supone mucho trabajo. En ese proceso también es habitual olvidar un archivo o pegarlo en el orden equivocado.

Cómo se combinan los archivos de texto en uno solo

Una herramienta que une archivos de texto en el navegador lee cada archivo con File.text(), lo convierte en una cadena y después lo encadena con join() de un array de JavaScript, metiendo entre medias el separador que hayas definido. Los datos de los archivos se manejan únicamente en la memoria del navegador y no se envían a ningún servidor externo.

El orden en que se combinan los archivos

Si los nombres son 1.txt, 2.txt, 10.txt, puede pasar que el sistema operativo o el selector de archivos del navegador los ordene alfabéticamente y te los entregue en el orden 1.txt → 10.txt → 2.txt. La mayoría de estas herramientas combina los archivos en el mismo orden en que se seleccionaron y no reordena nada por su cuenta, así que es más seguro revisar a ojo el orden en la lista de archivos subidos o nombrarlos con el mismo número de dígitos, como 01, 02.

Combinar sin abrir y pegar archivo por archivo. Con el Fusionador de Archivos de Texto basta con subir los archivos y elegir las opciones de separador y encabezado para que todo el proceso se resuelva dentro del navegador.

Fusionador de Archivos de Texto

Sube tus archivos de texto, indica el orden de combinación y el delimitador entre archivos, y descarga el resultado como un único documento.

Por qué se dañan los caracteres coreanos: UTF-8 y EUC-KR

La causa principal de que el texto se vea dañado al combinar archivos de texto en coreano es que la codificación de caracteres con la que se guarda el archivo y con la que se lee es distinta.

  • UTF-8: es el estándar web actual y la codificación predeterminada de Linux y macOS. Trata cada carácter coreano con una longitud variable de 3 bytes.
  • EUC-KR / CP949: codificación coreana frecuente en programas antiguos de Windows; trata cada carácter coreano con una longitud fija de 2 bytes.

Si un archivo guardado en EUC-KR se interpreta tal cual con las reglas de UTF-8, los límites entre bytes no coinciden y los caracteres aparecen dañados.

Si el texto sigue dañado después de combinarlo

File.text() del navegador lee los archivos como UTF-8. Si el original estaba guardado en EUC-KR, la mayoría de las herramientas de texto que funcionan en el navegador, incluida esta, mostrarán esa parte dañada incluso después de combinar. La herramienta no corrige la codificación automáticamente, así que abre el archivo en un editor de texto, cámbialo a UTF-8 al usar “Guardar como” y vuelve a subirlo para combinarlo sin que se dañe.

Opciones reales de fusión: separador, encabezado de archivo y limpieza de espacios

OpciónComportamiento
Formato del separadorUna línea en blanco (predeterminado) · Sin separador · --- · Cadena personalizada
Añadir encabezado de archivoColoca delante de cada archivo una línea informativa con su nombre (activado por defecto)
Quitar espacios de cada líneaLimpia los espacios al principio y al final de todas las líneas
Eliminar líneas vacíasBorra solo las líneas en blanco sin contenido

El resultado de la fusión aparece al momento en la vista previa, y puedes copiarlo o descargarlo como archivo .txt.

Puntos donde sueles atascarte

SíntomaCausa
El orden de los archivos sale mezcladoEl selector de archivos los entrega ordenados alfabéticamente
Después de combinar, solo una parte del texto coreano está dañadaEse archivo en concreto está guardado con otra codificación, como EUC-KR
No se ven los límites entre archivosEl formato del separador está en “Sin separador” o el encabezado de archivo está desactivado

Resumen

  • Combinar archivos de texto es un proceso simple —leer cada archivo y unirlos con un separador—, pero hacerlo a mano obliga a ajustar el orden y el separador cada vez, lo que resulta pesado.
  • Cuando el texto coreano se daña, casi siempre el origen es un archivo guardado en EUC-KR, y se resuelve ajustando la codificación a UTF-8 antes de subirlo, no con la herramienta de fusión.
  • Si usas a la vez las opciones de encabezado de archivo y de limpieza de espacios, el resultado conserva los límites entre archivos y el formato.
Fusionador de Archivos de Texto

Sube tus archivos de texto, indica el orden de combinación y el delimitador entre archivos, y descarga el resultado como un único documento.

Preguntas frecuentes

¿El contenido de los archivos que subo se envía a un servidor?

No. Se lee y se combina solo en tu dispositivo mediante la API File del navegador, así que el contenido de los archivos no se envía a ningún servidor externo.

Si el texto coreano ya se dañó en un archivo combinado, ¿se puede revertir con la herramienta?

No. El proceso de fusión no hace ninguna conversión de codificación, así que tienes que volver a guardar los archivos originales en UTF-8 y subirlos de nuevo para combinarlos.

Este artículo está adaptado de nuestro original en coreano. Leer el original en coreano

Artículos relacionados

  1. Datos de prueba Mock JSON: cómo generarlos y testear la APIAprende a generar arrays JSON falsos con IDs, UUID, emails y fechas aleatorias, y a simular latencia de red para probar tu API con datos de prueba.
  2. Código morse con audio: fórmula de tiempos y Web Audio APIAprende la fórmula estándar de duración del código morse (punto 1 unidad, raya 3) y cómo generar pitidos con la Web Audio API en el navegador.
  3. Código morse: tabla de letras, números y cómo decodificarloAprende la tabla de letras y números en código morse, las reglas para separar letras y palabras y cómo convertir texto a morse y morse a texto paso a paso.
  4. Iniciales de nombres en inglés: cómo extraerlas y darles formatoAprende a extraer iniciales de nombres en inglés: orden de nombre y apellido, mayúsculas y puntos, y genera varias a la vez con nuestra herramienta.
  5. Conversión de bases numéricas: binario, octal, decimal y hexadecimalAprende a convertir entre binario, octal, decimal y hexadecimal, a usar toString y parseInt en JavaScript y por qué aparecen errores de coma flotante.
  6. Etiquetas Open Graph: configuración y tarjetas al compartirConfigura las etiquetas Open Graph y Twitter Card para que tus enlaces muestren miniatura y vista previa al compartir, con medidas de imagen.

Herramientas relacionadas